본 연구에서는 인공신경망 알고리즘을 이용하여 생물공정에서 수집된 형광스펙트럼 데이터를 분류, 분석하고 공정변수들을 예측하기 위한 공정의 모델링에 대해서 논의하였다. SOM에 의해 분류된 전파장 스펙트럼 데이터들은 발효공정의 변수와 형광데이터 사이에 비선형관계를 설명하기 위하여 사용되었다. BPNN알고리즘은 SOM에서 분류된 데이터들을 입력자료로 이용하여 공정에 대한 모델식을 세우고, 이를 이용하여 배출가스 내 $CO_2$ 농도 및 발효액 중 세포농도와 같은 공정변수들을 예측하는데 사용되었다. 또한 BPNN 모델은 강력하면서도 훈련데이터의 범위를 넘어서는 공정의 데이터들을 예측할 수 있기 때문에 폭넓은 활용가능성을 가지고 있다.
A two-dimensional (2D) spectrofluorometer was used to monitor various fermentation processes with recombinant E. coli for the production of 5-aminolevulinic acid (ALA). The whole fluorescence spectral data obtained during a process were analyed using artificial neural networks, i.e. self-organizing map (SOM) and feedforward backpropagation neural network (BPNN).Based on the classified fluorescence spectra a supervised BPNN algorithm was used to predict some of the process parameters. It was also shown that the BPNN models could elucidate some sections of the process performance, e.g. forecasting the process performance.
